Väljalangemine
Väljalangemine (dropout) on stohhastiline regulariseerimistehnika sügavate närvivõrkude treenimiseks, mille võtsid kasutusele Srivastava, Hinton, Krizhevsky, Sutskever ja Salakhutdinov 2014. aastal. Iga treeningu sammu ajal lülitatakse iga neuron sõltumatult välja tõenäosusega (1 − p), takistades võrgul oma üksuste liiga tihedat ko-adapteerumist ja vähendades seeläbi üleliigset sobivust.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Srivastava, N., Hinton, G., Krizhevsky, A., Sutskever, I., & Salakhutdinov, R. (2014). Dropout: A Simple Way to Prevent Neural Networks from Overfitting. Journal of Machine Learning Research, 15, 1929–1958. link ↗
- Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning (Ch. 7: Regularization for Deep Learning). MIT Press. ISBN: 978-0-262-03561-3
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Dropout Regularization for Deep Neural Networks. ScholarGate. https://scholargate.app/et/deep-learning/dropout
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
Compare side by side →Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →